Kurse und Seminare
Aktuelles Lehrangebot
| Kurs | Heimateinrichtung | Dozent | Semester | Typ | Sprache |
|---|
Kursangebote und Inhalte
Wollen Sie genauer wissen, wie Large Language Models funktionieren? Natural Language Processing (NLP) ist ein interdisziplinäres Fachgebiet, das Linguistik, Informatik und Künstliche Intelligenz vereint, um Computer in die Lage zu versetzen, menschliche Sprache zu verstehen und zu erzeugen. Der jüngste Fortschritt im NLP wurde durch große Datensätze und leistungsfähige Deep‑Learning‑Modelle vorangetrieben.
Am Ende dieses Kurses sind Sie in der Lage, verschiedene Arten von NLP‑Problemen zu erkennen und geeignete State‑of‑the‑Art‑Methoden zu deren Lösung auszuwählen. Zudem lernen Sie, die Stärken, Grenzen und ethischen Implikationen von NLP‑Lösungen kritisch zu bewerten. Im Verlauf des Kurses entwickeln Sie außerdem Ihre logischen, analytischen und konzeptionellen Denkfähigkeiten weiter und sammeln Erfahrung im wissenschaftlichen Arbeiten.
In den praktischen Übungen verwenden wir moderne Machine‑Learning‑Toolkits – Vorkenntnisse in Python (idealerweise durch die Teilnahme an INF‑0487) werden dringend empfohlen.
Hinweis: Diese Lehrveranstaltung wird auch als Vorkus (INF‑8805 Vorbereitungskurs Python‑Programmierung) für Masterstudierende mit interdisziplinärem Hintergrund angeboten, die ihre Programmierkenntnisse auffrischen oder vertiefen möchten.
Die Programmiersprache Python ist in der heutigen Technologielandschaft aufgrund ihrer Vielseitigkeit und Benutzerfreundlichkeit von großer Bedeutung. Sie dient als leistungsfähige Sprache für Aufgaben von Webentwicklung und Datenanalyse bis hin zu Künstlicher Intelligenz und Automatisierung und ist damit ein unverzichtbares Werkzeug sowohl für Einsteigerinnen und Einsteiger als auch für erfahrene Entwicklerinnen und Entwickler in zahlreichen Branchen und Forschungsbereichen.
Dieses Modul vermittelt grundlegende Konzepte der Informatik mit Schwerpunkt auf Datenstrukturen, Algorithmen und deren Implementierung in der Programmiersprache Python. Studierende lernen, algorithmische Problemstellungen zu analysieren, geeignete Datenstrukturen auszuwählen und effiziente Lösungsansätze zu entwerfen und umzusetzen. Behandelt werden unter anderem elementare und zusammengesetzte Datenstrukturen (z.B. Listen, Stacks, Queues, Dictionaries, Mengen), sowie grundlegende Algorithmen (z.B. Suche, Sortierung, Rekursion). Ergänzend werden Prinzipien guter Softwareentwicklung eingeführt, darunter modulare Programmierung, verständliche Codestrukturen, einfache Testverfahren, sowie die Grundlagen der Objektorientierung. Durch praxisorientierte Programmieraufgaben erwerben die Studierenden grundlegende Fertigkeiten im Umgang mit Python und entwickeln ein solides algorithmisches Denkvermögen, das eine wichtige Grundlage für weiterführende Veranstaltungen in Informatik, Datenanalyse und maschinellem Lernen bildet. Im Rahmen des Kurses werden Grundkenntnisse in der Nutzung einiger weit verbreiteter Python-Frameworks vermittelt.
Dieses Seminar führt Studierende in das Natural Language Understanding (NLU) ein, ein Teilgebiet der Künstlichen Intelligenz, das sich mit der Fähigkeit von Computern befasst, menschliche Sprache zu verstehen, zu interpretieren und zu erzeugen. Das Seminar untersucht, wie moderne Ansätze wie Machine Learning, Deep Learning, Generative KI und Large Language Models (LLMs) die Verarbeitung natürlicher Sprache grundlegend verändern.
Die Studierenden erlernen die grundlegenden Konzepte der Sprachrepräsentation, neuronaler Netze und transformer‑basierter Modelle sowie deren Anwendung in realen Systemen wie Chatbots, virtuellen Assistenten, Suchmaschinen und Textanalysetools. Darüber hinaus werden aktuelle Forschungstrends, praktische Herausforderungen sowie ethische Fragestellungen im Zusammenhang mit großskaligen Sprachmodellen behandelt.
Durch die Diskussion wissenschaftlicher Publikationen, praktische Übungen und studentische Präsentationen erwerben die Teilnehmenden sowohl ein theoretisches Verständnis als auch praktische Einblicke in den Aufbau und die Evaluation moderner NLU‑Systeme.
Mögliche Themen sind unter anderem:
-
Grundlagen der Verarbeitung und des Verstehens natürlicher Sprache
-
Machine Learning und Deep Learning für Textdaten
-
Transformer‑Architekturen und Large Language Models
-
Generative KI für Textgenerierung und Dialogsysteme
-
Evaluationsmethoden und Grenzen von Sprachmodellen
-
Ethische, gesellschaftliche und ökologische Auswirkungen generativer KI
Neuronales Information Retrieval nutzt die Leistungsfähigkeit neuronaler Netze, um die Repräsentation, das Verständnis und die Suche nach Informationen zu verbessern und damit viele der Herausforderungen zu bewältigen, die sich aus der Komplexität und Variabilität natürlicher Sprache ergeben. Mit den jüngsten Entwicklungen im Bereich großer Sprachmodelle (bzw. allgemeiner sogenannter Foundation Models) entstehen zudem neuartige Ansätze für interaktives Information Retrieval.
Nach der Teilnahme an diesem Kurs sind Studierende in der Lage, Konzepte und Methoden, Verfahren, Techniken und Technologien des neuronalen Information Retrievals zu erklären. Insbesondere werden folgende Themen behandelt:
-
Grundlagen klassischer Information‑Retrieval‑Methoden
-
Vektorbasierte Dokument‑ und Anfragerepräsentationen (Topic Modeling und neuronale Repräsentationen)
-
Ranking mit Embeddings
-
Question Answering, Entity Search und Knowledge Graphs
-
Multimodales Retrieval
-
Interaktives Information Retrieval und Personalisierung
Studierende lernen, wichtige technische Entwicklungen im Bereich des Information Retrieval zu erkennen. Sie können Machine‑Learning‑Verfahren wie Feature‑Extraktion, Embedding‑Learning und Mustererkennung auf Information‑Retrieval‑Probleme anwenden. Zudem sind sie in der Lage, Literaturrecherchen im Bereich Information Retrieval durchzuführen und Forschungslücken im Stand der Technik zu identifizieren. Sie wissen, wie vorgeschlagene Systeme wissenschaftlich fundiert evaluiert werden. Darüber hinaus lernen sie, Ergebnisse und komplexe Ideen sinnvoll zu dokumentieren und zu präsentieren. Die Teilnehmenden vertiefen außerdem ihre Programmierkenntnisse in Python.
Dieses Seminar führt Studierende in das Natural Language Understanding (NLU) ein, ein Teilgebiet der Künstlichen Intelligenz, das sich mit der Fähigkeit von Computern befasst, menschliche Sprache zu verstehen, zu interpretieren und zu erzeugen. Das Seminar untersucht, wie moderne Ansätze wie Machine Learning, Deep Learning, Generative KI und Large Language Models (LLMs) die Verarbeitung natürlicher Sprache grundlegend verändern.
Die Studierenden erlernen die grundlegenden Konzepte der Sprachrepräsentation, neuronaler Netze und transformer‑basierter Modelle sowie deren Anwendung in realen Systemen wie Chatbots, virtuellen Assistenten, Suchmaschinen und Textanalysetools. Darüber hinaus werden aktuelle Forschungstrends, praktische Herausforderungen sowie ethische Fragestellungen im Zusammenhang mit großskaligen Sprachmodellen behandelt.
Durch die Diskussion wissenschaftlicher Publikationen, praktische Übungen und studentische Präsentationen erwerben die Teilnehmenden sowohl ein theoretisches Verständnis als auch praktische Einblicke in den Aufbau und die Evaluation moderner NLU‑Systeme.
Mögliche Themen sind unter anderem:
-
Grundlagen der Verarbeitung und des Verstehens natürlicher Sprache
-
Machine Learning und Deep Learning für Textdaten
-
Transformer‑Architekturen und Large Language Models
-
Generative KI für Textgenerierung und Dialogsysteme
-
Evaluationsmethoden und Grenzen von Sprachmodellen
-
Ethische, gesellschaftliche und ökologische Auswirkungen generativer KI